刘江川院士:边缘计算如何应对能源互联网的碎片化和复杂性? | CCF-GAIR 2020

来源:雷锋网

作者 | 王刚

雷锋网按:2020 年8月7日,全球人工智能和机器人峰会(CCF-GAIR 2020)正式开幕。CCF-GAIR 2020 峰会由中国计算机学会(CCF)主办,雷锋网、香港中文大学(深圳)联合承办,鹏城实验室、深圳市人工智能与机器人研究院协办。

从 2016年的学产结合,2017年的产业落地,2018年的垂直细分,2019年的人工智能40周年,峰会一直致力于打造国内人工智能和机器人领域规模最大、规格最高、跨界最广的学术、工业和投资平台。

在8月9日的【工业互联网专场】上,加拿大工程院院士、IEEE Fellow、加拿大西蒙菲莎大学教授刘江川带来了《能源互联网视角下的边缘计算》的开场主题演讲。

刘江川院士长期在学术界工作,从1999年开始在香港科技大学、香港中文大学和加拿大西蒙菲莎大学开展研究,其研究得到了加拿大自然科学基金、加拿大工业部等多方的支持。

从2018年开始,他进入工业界,创办了江行智能,并且得到红杉资本、松禾资本和百度风投支持。

他提到,工业互联网在跑道上飞速前进。今天的互联网不仅仅只做互联这件事情,互联网已经变成了分布式的数据处理器和分布式数据采集器,底层通讯、上层存储、上层应用和计算融为一体,这是非常重要的转变。

“不仅仅是互联,而是在这当中展开存储和应用。除了工业之外,能源行业、交通行业、智慧城市等等,也是同样的场景。”

他指出,消费互联网惯性的思维,是建立高可靠、高性能的基础设施建设,即使这些设备消耗大量的电力,但是电力成本可以通过应用的价值来换取,比如在海量客户端上获取海量的数据,并且不受限制,隐私也不是大问题,数字价值得到体现。

不过,这种思维在消费互联网时代取得成功,在工业互联网和能源互联网时代确面临着严峻的挑战。因为工业互联网和能源互联网的项目大多遍及整个国土,电力供应不仅仅只是大中城市的需求,其他地方并不能保证100%长期不断电。过去100多年里,电池的能量、存储密度等发展都是线性的,增长基本已达到极限。

“我们现在发展到一个阶段,确保大型电网稳定的运行是非常重要的事情。”

此外,他表达了一个重要观点是:对于能源互联网,不能像依赖传统消费互联网场景下的云计算的方式,而是要在用户侧、数据现场解决问题,同时能高度节省带宽,在无网络的情况下进行工作——这种情况下,可以看到边缘计算引入的必要性。

在其后的演讲中,刘江川院士详细解释了何为工业互联网、能源互联网场景下的边缘计算,以及他们目前采取的应对挑战的解决方案。

以下为刘江川院士的演讲速记,雷锋网做了不改变原意的编辑与整理。

很荣幸接受CCF-GAIR的邀请,在这里做一场关于《能源互联网视角下的边缘计算》的报告,谈一谈我们在这一段时间遇到的机遇、挑战和方案。

我本人长期在学术界工作,从1999年开始在香港科技大学、香港中文大学和加拿大西蒙菲莎大学开展研究,我们的研究得到了加拿大自然科学基金、加拿大工业部等多方的支持,从2018年开始,我也进入工业界,创办了江行智能,并且得到红杉资本、松禾资本和百度风投支持。

工业互联网是一个新兴的概念,其中包括工业、能源、交通、智慧和城市等等,目前正在飞速的在跑道上前进。在这个时段的终端是工业性质的传感器,而我们要做的事情是真正将工业应用带到互联网世界里面,以互联网来促进工业的应用。

我本人经历了这几个时期,现在也正在往工业互联网的大道上前进,所谓的工业互联网不仅仅是做互联这件事情,今天的互联网也不仅仅像一开始做互联这件事情,今天的互联网已经变成了分布式的数据处理器,和分布式数据采集器。

在这里,我们看到的底层通讯、上层的存储、上层的应用和计算融为一体,这是非常重要的转变。不仅仅是互联,而是在这当中展开存储和应用。除了工业之外,能源行业、交通行业、智慧城市等等,也是同样的场景。

从2016年才进入这个时代,我们面临了非常大的挑战,从消费互联网、工业互联网、能源互联网的场景里面,会看到在消费互联网的时候有一些惯性的思维,这些思维认为在过去十几年里已经建立了高可靠、高性能的基础设施建设,比如说长时间不间断的工作,在断电的情况下有备用电源切入,它会消耗大量的电力,这些电力通过应用的价值来换取。

另一方面,网络基础设施也非常优秀,有高吞吐、低延时网络基础设施,现在达到Gbps。随着5G,延迟可以降低到10毫秒左右甚至是1毫秒。

在海量客户端上,能获取海量的数据,并且不受限制获取数据,隐私也不是大问题,数字价值得到体现。这是消费互联网时代的惯性思维。

这些思维在消费互联网时代是成立的,而且是非常成功的应用。但是,在工业互联网、能源互联网的时代,实际上我们面临的挑战非常之多。

因为消费互联网是在城市里面,特别是在中心城市得到了应用,但是工业互联网、能源互联网是遍及整个国土,所以基础设施就有一些问题。电力供应虽然在中大城市不是问题了,但是仍然有断电的情况,由于一年时间各种原因造成的断电,并不能保证百分之百的长时间有电。

能源供给的角度,电池也是很大的问题,在过去这100多年的历史,电池的发展是线性发展的,它的能量、存储密度,基本上是线性的。从一九七几年第一个锂电池专利产生到现在,增长已达到极限。

从网络来说,中大城市感觉都已经覆盖了,对于工业互联网来说,或者是能源互联网来说,你的很多设备都是在偏远地区,在戈壁滩、沙漠上,3G和4G网络或者是5G网络未必都非常理想,真正的网络覆盖从国土面积来说未必能提升1%,这是典型的挑战。

来看典型的例子,比如说中国高压线路运检,现在高压线路是150万公里,特高压是世界领先定位。我们现在发展到一个阶段,确保大型电网稳定的运行是非常重要的事情,也是除了建设之外非常重要的事情。运检需求持续增多,就需要无人机的运检。

电网要实现24小时的监控比起城市的安防监控来说,难度完全不同。电网大量的铁塔是处在深山老林和戈壁滩上,温差很大、高度的电磁干扰,网络是很弱的,不像城市里面有非常好的3G、4G、5G的网络,通过回传数据到云上解决问题,像消费互联网一样。在能源互联网下,可能有信号,但是很难做到全覆盖、高速度的视频回传。

能源供给也是一个问题,你可能认为铁塔不缺电,但实际上它是没有电的,所以就需要从太阳能供电,这对于能耗是一个非常大的挑战。

比如说国网的企业标准,对于通道可视化的设备,要求在最低照度下能工作,整机峰值功率不超过8瓦,但是仍然要做人工智能的应用,大家做过人工智能就知道挑战在哪里。

所以,对于能源互联网,你不能依赖传统的消费互联网场景下的云计算方式,更多是需要在用户侧、数据现场来解决这些问题来达到实时的应用,同时能高度节省带宽,在无网络的情况下进行工作。

嵌入式系统也会遭受很大的挑战,软件方面,随着人工智能的发展,希望快速替换算法,这个矛盾怎么解决,包括传感器不光是视觉传感器,还要引进温度传感器、局部放电传感器等等,这都带来了多种挑战。

这种情况下可以看到边缘计算引入的必要性,所谓的边缘计算是指靠近数据源头的一侧,采用网络、计算、存储、应用等核心能力为一体的开放平台,就近提供服务。这对于能耗要求较低的情况下,特别是实时业务、以及安全隐私考虑方面是非常重要的。

2025年的时候预计有50%的数据会在边沿侧分析存储,参考国内云计算市场,在2013年的时候不到50亿人民币,在过去这么多年平均增速达到70%以上,所以,边缘计算也将经历这个过程。

应该说到2020年,整个物联网的设备有500亿左右,是非常高速的增长,在非常多的数量下需要智能化、低延时和本地组网,采用边缘技术的技术,作为和云计算相辅相成,或者是云计算下半场的技术,来共同达到工业互联网、智能互联网的要求。

整体而言,它是更稳定、更实时、更经济、更安全的解决方案,可以认为是云计算2.0,也是在弱网、弱电的情况下达到毫秒级的响应,大幅节省带宽成本、保护用户的隐私。

这是边缘计算产生的背景,实际上我们可以看到,虽然人人都讲边缘计算,边缘计算概念仍然分很多层次,大家定义也未必一样。

横向平台方面,包括云平台做下沉的服务,包括芯片厂商在做这个工作,也包括AI的能力,在上层有多种多样不同的场景,在下层有工业互联网的传输协议,智能芯片和传感器等等。

边缘到底在哪里?这是根本性的问题,你会得到不同的答案,它们都有一定的道理,从链路上来说,从端到云不是一点而是若干个点,这若干个点都有可能会成为边缘,这些点都是互为合作的,以此形成边缘计算的生态。

典型的Edge也是自然的定义,这种定义下,从学术角度来说是覆盖网络的概念。覆盖网络概念应用最多是云计算的下沉,或者是CDN的计算赋能。

从这个角度来说,来看亚马逊的分布式数据中心AWS Claud,在全球有65Availability Zones Within ,22个Geographic Regions。Akamai最大的CDN厂商有24万的服务器分布在120个国家。

在这种情况下,城市级会有分布式的部署,在全球或者是全国,是几百、几千到万的级。延迟基本上在100毫秒左右。

针对消费互联网的应用是可以的,云游戏的应用也是可以的,但如果更低的就可以看到第二种情况,Edge是IoT与互联网,这种定义的典型场景就是移动边缘计算,把5G基站作为边缘计算的载体,通过网络切片的技术给工业现场。

我们可以看到国内的3G、4G的基站数量接近500万个,5G可能会达到1千万个。这样的延迟比分布式数据中心要小得多,基本上能达到50毫秒的延迟。

但是这里有一个挑战,5G的耗电已经非常多了,再加上计算就更多了,因为计算的耗电是通信之上。另一方面,一旦遇到灾害性事故,还是常见的,比如说龙卷风、台风的袭击,造成电网的断电、基站的断电,在断电的情况下你是保通信还是保基站?这种情况下,负载迁移也是非常大的挑战。

另外一个更重要的是在前两个方面,大家走的思维还是云计算,所谓云计算的下沉地或者是最终下沉到5G的基站上,怎么样做企业服务、怎么样把原来抽象的企业应用真正落到实地,这一块还有非常大的挑战。这一块更进一步的Edge就是我们认为的OT meets IT。

这是边缘节点最靠近工业现场的节点,分三个层次,分布式数据中心构成了边缘计算的整体。在这个点上,我们要做的是创建面向泛工业场景的具有高度软件兼容性、可靠性和可拓展性边缘计算方案,达到实时性、安全性、低功耗性和弱网的适应性。

从产业来说,国家电网的能源互联网战略。现在电网的形态发生了非常大的变化,已经从建设周期转向了维护周期,安全运行的压力是非常大的,电网运营也遇到很大瓶颈,也遇到了很多的挑战,特别是互联网经济、数字经济、社会经济形态的变化。

从国家电网来说,今年提出了能源物联网概念,用互联网的技术来推动能源技术的发展。可以看到,国网系统接入设备在今年5.4亿左右,但是2030年达到30亿左右个设备,从传统自发到未来主动的系统,大量利用电子器件构建电能流动的联网系统和智能化的传送。

可以看到会有各种控制类、采集类的需求,在连接模式上,跟互联网的模式会越来越接近,但是时延要求是毫秒级,这是必须做到现场边缘计算,在采集类也有同样的需求。

从国网的角度来说,边缘计算会有一些代表性的应用,比如说预测性运维、电容型设备绝缘在线检测、隔断开关状态图像识别等等,这些对时延要求都是非常高的,你很难用传统传输到云的方案解决。

另外,隐私和数据量要求也是很高的,还有安防监控、铁塔的通道可视化、变电站监控、工作效率的提升和储能设备的智能化运维等等,都需要边缘计算的介入。

当然,对于实时性、边缘性的要求非常高,比如说地点保护类达到10-15毫秒。在这上面可以进一步发展其他类型的应用,比如说电池,在BMS系统上跟云进行配合,还可以接入能源控制器做有序的服务,以达到储能设备运维、电动汽车数据分析和汇集,来做到电池的梯次利用。

在这一块可以看到,有非常多的应用场景,在过去这几年里,从十几年前就开始相关的研究,在过去几年,物联网和边缘计算方面做了崭新的工作,包括边缘计算存储、分发计算、边-云协同计算与服务空分复用-多条散射通信、大规模无源感知与定位、智慧能源系统和电池管理方面的工作。

一方面是从物联网节点到边缘计算节点的无缘感知和通信,在未来,边缘节点应该是第一个或者是最近有电源供应的节点,再往前,传感器在未来理想状态下是不需要电池供应的,因为电池的能量有限,电池也带来非常多的问题。

比如说污染的问题,如果所有都要靠电池支撑,那以后500亿-1万亿以上的设备、传感器是无法想象怎么样提供这样的能量,从传感器到第一个能量供给点的边缘节点,你应该创造无源的通信,特别是散射通信。

我们作出了一系列的工作,包括在2018年的Acm Mobisys,极大的提升了传输的速率。我们也做到多跳的传输,这样极大的提升了传输的距离,也能够避开障碍。

这个发表在Acm Mobisys2018年上。在今年的Acm Mobisys上,我们也展示世界第一个分布式的做信号的激励,而不仅仅是从单一的源头激励,这样就能使传输的速率和距离进一步得到提升,另一方面,仍然可以做数据采集和数据的通信。

我们从周围环境里面采集能量,而不仅仅依靠电池和激励能量,周围的环境包括WIFI信号,还包括声音信号,已经做到街道环境噪音就能满足计算能力和传输能量。这是我们在这方面的工作。

另一方面,我们需要计算平台,边缘计算的引擎又是什么样的呢?相对云计算来说,云计算有统一的计算平台,它的开发需要兼顾异构,在边缘侧需要兼顾异构。

在性能方面,云计算是稳定的计算环境,稳定的资源,但是在边缘侧,也需要克服异构。总体上来说,你需要兼顾通用性、工业和能源场景下大量的专用型的需求。

在IoT应用的投资非常大,随着IoT的增加,投资是超线性的。在计算架构OS方面,工业互联网、能源互联网面对10倍以上的复杂性,工业协议达到100倍的复杂性,在Devops上达到100倍以上,业务场景由于碎片化程度极高,甚至能达到1000倍以上的复杂性。

在这一块,大家有不同的技术路线,一方面从数据中心下沉,从云端来发放配置信息,以实现本地的服务,这基本上是云计算厂商和CDN厂商的路线。

另外是直接面对工业现场,也是刚刚谈到OT和IT结合的场景,需要边缘计算的中间件来应对边缘计算的硬件,传感和通信。

Linux Foundation 旗下的EdgeX Foundry是完成了到IoT终端、网端和终端服务器的部署,解决了OT和IT融合的关键业务的挑战,特别是它建立了操作性的框架,使传感器解耦,最终达到云边协同和智能应用和设备、数据的接入,我们看好EdgeX Foundry的发展。

在这个基础上,江行智能做了Edgebox,是EdgeX的落地实践。我们有自己边缘计算的硬件、集成了的芯片和电源管理系统,达到了极低的能耗和极高的实时性、稳定性。

另一方面,在上面实现了NPU、CPU和MCU的全面容器化,并且在上面搭载多种针对特定场景的边缘智能服务。在下可以兼容多种设备和传感器,打造具体的产业产品,再往上,达到云中立和云的对接,并且做到边缘协同和多种边缘节点的协同工作。

另一方面,我们建立了相对完整的边缘物联网的计算软件环境和OT设备的连接方案,达到了广泛的兼容性和企业级的配套服务。

在下一步的发展中,边缘计算技术和行业的结合仍然面临着非常多的挑战,在这里可以做简单的总结,一方面是大家需要考虑服务云边缘的网络体系结构,特别是多层次的数据汇集、高度异构的用户需求。

另外是边缘网络资源分配与数据传输策略,包括通信和计算、存储如何的结合,移动和固网如何结合,能量、带宽和延迟如何结合。在边缘数据处理与端-边-云的协同,传统数据处理、时序数据、深度学习、联邦学习的系统与网络优化。

边缘节点安全隐私价格,数据、设备归属、传输、分享安全与隐私等方面也在不断的解决,我们也在不断的努力。

谢谢大家。

未来智能实验室的主要工作包括:建立AI智能系统智商评测体系,开展世界人工智能智商评测;开展互联网(城市)云脑研究计划,构建互联网(城市)云脑技术和企业图谱,为提升企业,行业与城市的智能水平服务。

  如果您对实验室的研究感兴趣,欢迎加入未来智能实验室线上平台。扫描以下二维码或点击本文左下角“阅读原文”

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/487160.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

调查:人工智能技术的应用现状

本文最初发表在 Towards Data Science 博客上,经原作者 Luke Posey 授权,InfoQ 中文站翻译并分享。作者 | Luke Posey译者 | Sambodhi策划 & 编辑 | 刘燕随着工具和基础设施的成熟,应用人工智能不断加速发展。将这些基础设施与强大的人才…

LoRa VS NB-IoT,一场物联网时代C位争夺战

来源:脑极体我国5G商用已经一年多了,比起5G网络所带来的极致体验,我们对于西方世界因对5G网络的安全担忧所引发的一系列事件恐怕更加深有感触。美国跳脚、英国退网,中国在5G技术的领先深深刺痛了这些不可一世的西方大国。而原本可…

Beego 学习笔记9:Boostrap使用介绍

BootStrap布局 1> 下载地址: http://v3.bootcss.com/getting-started/#download 根据自己的需要,下载不同的版本。我这里使用的是1版本的。比较简单好用。 2> Bootstrap常用的布局样式介绍 1->布局容器(.container和.container-fluid&a…

名人论数学——数学的本质

来源:算法与数学之美罗巴切夫斯基任何一门数学分支,不管它如何抽象,总有一天会在现实世界中找到应用.罗巴切夫斯基(Н.И.лобачевский,1792~1856,俄国数学家)是非欧几何的创始人之一&#xff0c…

把握芯片科技发展趋势 促进半导体产业创新突破

来源:学习时报作者:李万芯片是信息社会的核心基石,也是各国竞相发展的重要新兴技术和产业。在某种程度上,一个国家的芯片科技水平以及在全球分工位置,意味着该国在全球科技竞争中的地位。芯片科技发展的基本特质芯片科…

宇宙是一个无始无终的循环?

图片来源:Samuel Velasco/Quanta Magazine最近,科学家通过复杂的计算机模拟发现,除了宇宙暴胀,宇宙收缩同样可以创造出今天我们所见宇宙的种种特征。并且在循环宇宙中,膨胀和收缩会交替进行。在这个理论中,…

在VMware中装Win server 2012配置Hyper-v

找到虚拟机存放位置,找到Windows Server 2012.vmx 用记事本打卡,在文本最后添加以下两行并保存 hypervisor.cpuid.v0 "FALSE" mce.enable "TRUE" 在虚拟机里设置里勾选处理器的虚拟化Intel VT-x/EPT或AMD-V/RVI(V) 转载于:https:/…

Nature:“巨型原子”使芯片同时处理和收发量子信息成为可能

图片来源:Pixabay文章来源:麻省理工学院━━━━麻省理工学院(MIT)的研究人员介绍了一种量子计算架构,它可以执行低错误的量子计算,同时在处理器之间快速共享量子信息。这项工作代表了迈向完整量子计算平台…

大脑认知能力获突破进展!《科学》发现促进大脑发育期间的关键细胞器

本文来源于公众号:生物谷,作者T.Shen作为在10亿年前细胞中不断进化的小型细胞器,线粒体或许对于人类进化做出了巨大贡献,尤其是对于需要能量维持正常功能的大脑。8月14日,一项刊登在国际杂志Science上的研究报告中&…

人工智能背后的数学

本文来自王宏琳科学网博客计算机会“思维”、Agent(智能体)能感知环境、机器可从经验中学习,其背后离不开数学——从线性代数、概率统计到拓扑学众多数学分支。这篇读书札记讨论人工智能背后的数学。【人工智能离不开数学】术语“人工智能&am…

Science 好文:强化学习之后,机器人学习瓶颈如何突破?

来源 | AI科技评论编译 | 陈彩娴编辑 | 陈大鑫在过去的十年里,机器学习确实取得了巨大的突破,计算机视觉与语言处理方面也因此出现了许多改变世界的重要应用。但是,这股“春风”却没有吹到智能机器人领域。针对机器人学习所面临的瓶颈&#x…

基于忆阻器的神经网络应用研究

来源:文章转载自期刊《微纳电子与智能制造》,作者:陈 佳,潘文谦,秦一凡,王 峰,李灏阳,李 祎,缪向水。摘 要基于忆阻突触器件的硬件神经网络是神经形态计算的重要发展方向…

CORS预检请求详谈

引言 最近在项目中因前后端部署不同地方,前端在请求后端api时发生了跨域请求,我们采用CORS(跨域资源共享)来解决跨域请求,这需要前后端的配合来完成。在这一过程中,后端支持了CORS跨域请求后,前端的请求配置可能会调起…

制胜人工智能时代——企业人工智能应用现状分析(第三版)

全文共计300字25图,预计阅读时间9分钟来源 | 德勤Deloitte(转载请注明来源)编辑 | 张77当前,现今一代人工智能技术的应用正在展开新的篇章。我们可以看到,人工智能已被广泛部署于各类用例,以解决不同业务问…

Tomcat启动时项目重复加载,导致资源初始化两次的问题

最近在项目开发测试的时候,发现Tomcat启动时项目重复加载,导致资源初始化两次的问题导致该问题的原因:如下图:在Eclipse中将Server Locations设置为“Use Tomcat installation(takes control of Tomcat installation)”时&#xf…

论文速递:通过模拟大脑-解决深度学习中的灾难性遗忘

来源:混沌巡洋舰灾难性遗忘指的是:不像人类,当深度学习模型被训练完成新的任务时,他们很快就会忘记以前学过的东西。8月13号的自然通讯论文Brain-inspired replay for continual learning with artificial neural networks&#x…

蒲慕明院士PNAS最新研究:神经元数量在共同激活诱导大脑神经元兴奋性增强的重要性...

来源:brainnews2020年8月3日,中国科学院脑科学与智能技术卓越创新中心(神经科学研究所)、上海脑科学与类脑研究中心、神经科学国家重点实验室蒲慕明研究组在《Proceedings of the National Academy of Sciences》杂志在线发表了题为《同步激活大量神经元…

一文读懂什么是数字孪生?

文章转载自微信公众号数字孪生大赛,版权归原作者及刊载媒体所有。一、数字孪生的概念从理论的概念来看,Digital Twin数字孪生:是充分利用物理模型、传感器更新、运行历史等数据,集成多学科、多物理量、多尺度、多概率的仿真过程,在…

第五轮学科评估再提“破五唯”

来源:中国科学报作者:袁一雪近日,教育部官网公布了对《关于完善高校学科评估制度,促进教育治理体系和能力现代化的提案》的答复,提到学科评估坚决破除“五唯”顽疾。评价教师不唯“学历”和“职称”,不设置…

MEMS惯性传感器有哪些趋势?

来源:半导体产业基金整理如何在灾难救援中,精准定位受困人员的位置?如何在无人机操作中,提高系统精度?如何在人机交互中,更好的实现动作检测和姿势识别?如何在自动驾驶中,做到更精确…